Page 14 - Razvoj kompetenc prihodnosti v pedagoških študijskih programih
P. 14

Črtomir Podlipnik in Mojca Podlipnik


                  ni mogoče v celoti zapisati v matematično obliko, se poudarek s tehničnih
                  popravkov seli na pedagoške rešitve. Namesto iskanja popolnega programa
                  moramo učitelje in učence opremiti z znanjem za kritično presojo UI (Selwyn,
                  2022). Naučiti se morajo postavljati vprašanja, kot so: »Na kakšnih podatkih
                  se je ta program učil«, »Komu koristi njegovo delovanje« in »Kako bi njegovi
                  rezultati vplivali narazličneučence«.Tako človek ssvojo presojo postaneklju-
                  čen varovalni mehanizem.

                  Zasebnost, nadzor in institucionalni odzivi
                  Učinkovitost UI je odvisna od zbiranja velikih količin podatkov o učencih,
                  kar prinaša resna tveganja, kot so kraja podatkov, nenamenska uporaba in
                  ustvarjanje nadzornega vzdušja. Za obvladovanje teh tveganj morajo šole
                  vzpostaviti trdna pravila za ravnanje s podatki. V slovenskem prostoru so
                  zgleden primer Etične smernice za uporabo umetne inteligence v izobraže-
                  vanju in raziskovanju, ki jih je pripravila Fakulteta za organizacijske študije
                  (FOŠ) (Molek, 2023) in poudarjajo več ključnih načel:

                     – Varovanjezasebnosti: študentska dela in osebno prepoznavne informa-
                       cije se ne smejo vnašati v javno dostopna orodja UI.
                     – Akademska integriteta: predavatelji morajo opredeliti jasna pravila o
                       dovoljeni rabi UI in v učne načrte vključiti izjavo o akademski integri-
                       teti.
                     – Transparentnost: uporabo UI v raziskovalnih projektih je treba jasno na-
                       vesti in označiti dele besedila, ustvarjene s pomočjo UI.
                     – Človeški nadzor: ključne odločitve morajo ostati v rokah človeka, ki je
                       odgovoren za morebitne napake.

                    Poleg institucionalnih smernic se razvijajo tudi nove tehnologije, ki zaseb-
                  nost vgrajujejo že v samo zasnovo sistema. Dve sta še posebej obetavni: zve-
                  zno učenje (angl. federated learning), kjer podatki ostanejo na lokalnih stre-
                  žnikih in se model uči tako, da »potuje« med njimi, ter diferencialnazasebnost
                  (angl. differential privacy), ki v podatke doda statistični »šum« in tako onemo-
                  goči identifikacijo posameznika (Khalil idr., 2025). Uporaba takšnih tehnologij
                  pomeni ključen premik od zgolj odzivanja na grožnje k njihovemu prepreče-
                  vanju.

                  Metodološki pristop: zasnova in analiza primera dobre prakse
                  Premišljeni učni pristopi so nujni, če želimo UI v razredu uporabljati smiselno,
                  saj zgolj teoretično razpravljanje ne zadošča. Ključno vprašanje ni, ali uve-


                  14
   9   10   11   12   13   14   15   16   17   18   19